- 博客(7)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 深度学习简介以及pytorch基本使用
深度学习是人工神经网络，深度是使用多层网络每层都使用非线性比那花你处理数据提取更负责数据，更抽象特征，torch.rand/randn() 创建随机浮点类型张量和randint整数型张量。torch.arange() 和torch.linspace()创建线性张量。torch.cat()函数可以将多个张量根据指定的维度拼接起来torch.stack()类似于numpy的张量计算，自动微分，深度学习库，动态计算图等。torch.tensor根据指定数据创建张量。语言的深度学习框架，它将数据封装成张量（
2026-09-19 20:20:26
153
原创 NLP迁移学习fasttext
优势原因：模型结构简单，使用softmax层结构霍夫曼树（提高模型训练速度），采用负样本（提交计算速度），使用n-gram特征提取文本特征。bert-base-chinese:有12个隐藏层768维张量12个注意力头共110M的参数，适用于简体和繁体的文本上训练而得到的。迁移学习有两种：第一种是预训练模型也是开箱即用，第二种是微调的训练模型（预训练+微调参数）Seq2Seq编码解码模型：主要是语言的理解和生成（T5）迁移学习的特征： 特征迁移，模型迁移，知识迁移。作用：进行文本分类，词向量训练。
2026-09-18 20:07:59
178
原创 NLP RNN模型及其变体模型
RNN有输入层，隐藏层，输出层组成上一时间步的隐藏层输出作为下一步隐藏层的输入。每个时间步有三个输入：数据的输入，上一步的时间步细胞状态，上一步时间步的输出。每个时间步有三个输出 ：数据的输入，上一步的细胞状态，上一步的时间步的输出。GRU每个时间步有2个输出： 当前的输出的输出和上一步时间步的输入。每个时间步的输出有两个，数据层的输出和隐藏层的输出。rnn=nn.RNN(输入的维度，隐藏层的维度，隐藏层个数)) (隐藏层的层数，句子的批次，隐藏层的维度)LSTM也叫长短时记忆结构。
2026-09-16 21:15:40
99
原创 NLP文本预处理主要环节
分词使用jiaba分词器的三种方式精确查找模式，全模式，搜索引擎模式。人名，地名，机构等专有名词统称为命名实体。Skip-gram：中间预测两侧。也叫稀疏词向量表示. 记忆一个词为1其它为0。CBOW：两侧预测中间。对此的一种分类方法，简称POS。三，文本预料的数据分析。二，文本张量便是方法。
2026-09-14 20:27:41
9
原创 这是我用来学习AI的方法
我们目前只开放少量Creator入驻名额原因很简单：👉 我们只要高质量内容目前优先：- AI方向- 技术方向- 成长方法论- 结构化知识整理不做泛内容，不做娱乐内容如果你符合，可以申请入驻
2026-05-18 14:32:49
26
原创 AI帮你找出赚钱商品和亏钱商品
✓ 热销/问题商品识别✓ 优化建议（核心价值）✓ 基本图表 广告ROI趋势、类别饼图、亏损图✓ 趋势分析✓ PDF专业报告✓ 深度AI决策（补货建议、趋势预测、多维度分析）✓ 竞品简单对标✓ 多店铺支持（最多 10 个店铺）✓ AI小Q助手不限
2026-05-18 14:21:24
21
1关于angularjs:错误:$ injector:unpr未知的提供程序
2023-08-31
TA创建的收藏夹 TA关注的收藏夹
TA关注的人